基于贝叶斯网络和D-S证据理论的态势估计方法

发布时间：2024-05-09 03:37

　　不确定性信息融合是军事领域研究的热点问题。信息融合技术可分为低级别融合和高级别融合，前者是对作战目标的位置及属性估计，而后者包括战场态势估计和威胁估计。态势估计是在低级融合层次获取战场目标及环境信息的基础上进行战场态势分析，并预测态势的变化趋势。态势估计的实质是综合大量的多来源、多类型以及带有不确定性的信息，并对这些信息进行综合推理估计后掌握战场当前态势及未来态势的过程。本文主要研究战场复杂环境下的态势知识表示及不确定知识的推理方法，具体工作包括： 首先，在分析信息融合功能模型及其演变的基础上，对态势估计的基本定义、概念做了简单介绍，并对态势估计功能模型、知识表示及知识的不确定性推理等相关知识作了详细描述，为本文态势估计不确定性推理算法提供了重要的理论基础。 其次，介绍了贝叶斯网络构建及模型的推理，在此基础上给出了基于贝叶斯网络的态势估计方法的基本思路和应用方向。针对以往贝叶斯网络态势估计方法无法动态适应战场变化的情况，提出了动态贝叶斯网络态势估计方法。该方法通过将静态贝叶斯网络转化为带有时间因素的动态贝叶斯网络来对战场态势进实时估计预测，提高了贝叶斯网络态势估计的精确性，能更好地反映...

【文章页数】：71 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 课题背景与研究意义
    1.2 态势估计信息融合国内外研究现状
        1.2.1 信息融合功能模型及其演变
        1.2.2 高层信息融合
        1.2.3 战场态势估计
    1.3 论文研究内容与结构安排
第二章 战场态势估计基础知识
    2.1 引言
    2.2 态势估计基础理论
        2.2.1 基本概念
        2.2.2 态势估计过程
    2.3 战场态势估计和威胁估计
        2.3.1 态势估计
        2.3.2 威胁估计
    2.4 态势估计不确定性推理方法
        2.4.1 推理理论
        2.4.2 模糊集推理方法
        2.4.3 专家系统方法
        2.4.4 概率论方法
        2.4.5 证据理论方法
    2.5 小结
第三章 基于贝叶斯网络的态势估计方法
    3.1 引言
    3.2 贝叶斯网络基本概念
        3.2.1 贝叶斯理论
        3.2.2 贝叶斯网络定义
    3.3 贝叶斯网络的模型构建及推理
        3.3.1 贝叶斯网络构建
        3.3.2 贝叶斯网络的推理
    3.4 动态贝叶斯网络
        3.4.1 DBN 定义
        3.4.2 BN 转化为 DBN
        3.4.3 DBN 模型推理
        3.4.4 贝叶斯网络工具箱
    3.5 仿真实验
    3.6 小结
第四章 基于 D-S 证据理论的态势估计方法
    4.1 引言
    4.2 证据理论基本概念
        4.2.1 Dempster-Shafer 证据理论
        4.2.2 Dempster 组合规则
        4.2.3 证据融合推理分析
        4.2.4 Pignistic 概率转换
    4.3 D-S 证据理论在态势估计中的应用
    4.4 小结
第五章 基于 HDSmP 转换的态势估计方法
    5.1 引言
    5.2 HDSmP 转换方法简介
        5.2.1 HDSmP 方法
        5.2.2 不确定性度量指标
    5.3 战场态势估计实例分析
    5.4 HDSmP 中比率再分配因子 的取值分析
    5.5 小结
第6章 总结与展望
    6.1 总结
    6.2 展望
致谢
参考文献
附录



本文编号：3968262